如何自动选取DataFrame中segment列所有层级并批量执行操作？

方法一：遍历所有唯一层级逐个处理 #

先重构函数，将层级作为参数传入（避免依赖全局变量），然后获取segment列的所有唯一值，循环处理每个层级并收集结果：

import pandas as pd

yy = pd.DataFrame({'segment':['High','High', 'premium','local','local','local'],'value':[12,'NAN',13,'NAN',14,15]})

# 重构处理函数，接收DataFrame和目标层级作为参数
def process_segment(df, level):
    # 筛选指定层级的数据
    filtered = df[df['segment'] == level]
    # 替换"NAN"为0，可添加更多后续操作
    processed = filtered.replace("NAN", 0)
    return processed

# 获取segment列的所有唯一层级
unique_levels = yy['segment'].unique()

# 自动化遍历处理所有层级，结果存入字典（键为层级名，值为处理后的DataFrame）
processed_data = {}
for level in unique_levels:
    processed_data[level] = process_segment(yy, level)

# 示例：打印每个层级的处理结果
for level, df in processed_data.items():
    print(f"=== 层级 {level} 处理结果 ===")
    print(df)

方法二：用groupby批量处理（推荐） #

如果所有层级的后续操作逻辑一致，用pandas的groupby+apply可以更高效地批量处理：

import pandas as pd

yy = pd.DataFrame({'segment':['High','High', 'premium','local','local','local'],'value':[12,'NAN',13,'NAN',14,15]})

# 定义分组后的统一处理逻辑
def process_group(group):
    # 替换"NAN"为0，可扩展其他操作
    return group.replace("NAN", 0)

# 按segment分组并应用处理函数
result = yy.groupby('segment').apply(process_group)

# 查看处理后的完整结果
print(result)

补充说明 #

• 原函数依赖全局变量level，复用性差，重构为参数传入后更灵活，也避免全局变量的副作用。
• 方法一适合需要对不同层级执行差异化后续操作的场景；方法二更适合所有层级操作逻辑一致的情况，代码更简洁高效。

内容的提问来源于stack exchange，提问作者tez